人脸识别是人工智能与模式识别领域以及计算机视觉领域最富挑战性的研究课题之一。在计算机科学领域的许多科学家都希望机器能够具有人类的智慧,并且能够像人类一样识别和记忆人脸。在证件验证、门禁系统、刑侦破案、视频监控等领域都具有十分广泛的应用前景。随着科学的进步、技术的发展和社会的前进,对可靠、方便的自动身份鉴别的实际需求日益的迫切。人脸识别重新成为了机器智能研究的热点问题。研究人脸识别,其意义不仅仅在于推动图像处理和模式识别理论与应用的发展,满足身份验证等,基于内容的检索等实际需求,同时由于人脸模式的特殊性,对人脸识别进行应用研究,对推动生理学、认知科学、心理学等相关学科的研究也有着积极的影响。本文在对人脸识别问题和特征提取的现有理论和算法进行了回顾、探讨在此基础上,有针对的提出了新的算法,并通过实验证明。主要工作总结如下:第一部分为全文的绪论,对人脸识别技术和特征提取技术的分类和发展现状进行了分析和综述。第二部分介绍了几种基于统计的特征提取和选择方法,包括主成分分析(PCA)、线性判别分析(LDA)、最大间距准则(MMC)等。第三部分为人脸图像的特征提取分析,在人脸图像的特征提取环节,由局部保持和最大间距准则的原理,本文提出了一种局部保持(LPP)与最大间距准则结合的特征提取方法。本文所提出的新特征提取方法与原来MMC相比,经过对原来的散度加乘权重,以及通过对参数的调整,能够在特征提取的同时更好地保持人脸图像的局部流形结构。第四部分是由第三部分提出的算法进行实验分析,本文使用了传统的最近邻分类器,通在ORL人脸库、YALE标准人脸库和UMIST人脸库上的试验,表明本文所提出的局部保持与最大间距准则结合的特征提取方法能够对光照和姿态变化具有一定的鲁棒性,能更为有效的识别人脸图像,提高识别率。